SKILLEMALL.ai
GitHub ↗ EN Войти

BD meme-generator

Генерация мемов на основе SVG из текста — классические шаблоны (Drake, Stonks, This is Fine, Doge и т. д.), пакетная генерация, наборы цитат, анимированные эффекты. Чистая стандартная библиотека Python, четкость при любом разрешении.

машинный переводПоказать оригиналСкрыть оригинал«Generate SVG-based memes from text — classic templates (Drake, Stonks,…»

Generate SVG-based memes from text — classic templates (Drake, Stonks, This is Fine, Doge, etc.), batch generation, quote packs, animated effects. Pure Python stdlib, crisp at any resolution.

ClawHub Agent Skills автор: voronindenis5 v0.1.0 MIT-0 8 файлов тело ≈ 521 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Генерация мемов на основе SVG из текста — классические шаблоны (Drake, Stonks, This is Fine, Doge и т.

Как процесс D 45/100 · Процесс не доведён — слабые места: когда включается, входы и предусловия, ошибки и развилки

ШаблонРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
45/100
Процесс не доведён
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "language"
  • заметка frontmatter-key неизвестное поле фронтматтера "categories"

Процессный рейтинг: все десять параметров 45/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (meme-generator) не совпадает с папкой (meme-generator-2)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 85Шаги. Шагов: 11, расплывчатых формулировок: 1
  • 100Стоимость исполнения. Тело инструкции 521 токенов

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +2Инструкции на одном языке
  • +3Длина description 191 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 11 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (2 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This is a straightforward offline meme generator that creates SVG or HTML files from user-provided text and templates.
LLM: benign (high) · VirusTotal: · 14 авг. 2026 г.